Optimasi Algoritma Support Vector Machine Menggunakan Seleksi Fitur Particle Swarm Optimization Pada Analisis Sentimen Terhadap Kebijakan PPKM

Hasan Mubarok, Iin Ernawati, Nurul Chamidah

Abstract


Twitter merupakan media sosial yang bersifat micro-blogging yang memungkinkan penggunanya untuk mengekspresikan opini tentang berbagai topik dan membahas permasalahan yang terjadi saat ini. Salah satu topik yang sering diperbincangkan masyarakat yaitu penerapan kebijakan PPKM di Indonesia yang menimbulkan prokontra sehingga opini dari masyarakat sangat beragam terutama pengguna twitter. Banyaknya opini maka perlu adanya analisis sentimen. Tujuannya adalah untuk mengetahui opini masyarakat terhadap penerapan PPKM melalui tagar #PPKM. Oleh karena itu, penelitian ini dilakukan proses klasifikasi pada penerapan PPKM menggunakan dua kelas yaitu kelas sentimen positif dan kelas sentimen negatif. Metode yang digunakan dalam mengklasifikasi yakni algoritma Support Vector Machine dan algoritma Particle Swarm Optimization sebagai seleksi fitur. Pengambilan data dimulai tanggal 1 Juli – 30 Agustus 2021. Hasil evaluasi klasifikasi menggunakan confusion matrix didapatkan nilai akurasi 79.77%, recall 69.04%, dan 85.29% pada data tanpa PSO. Sedangkan pada data menggunakan PSO didapatkan nilai akurasi sebesar 87.08%, recall 76.83%, dan Precision 94.03%.

Keywords


Twitter, PPKM, Support Vector Machine (SVM), Particle Swarm Optimization (PSO).

References


We Are Social, “Digital 2021,” Global Digital Insights, 2021. .

“Instruksi Menteri Dalam Negeri Nomor 42 Tahun 2021,” covid19.go.id, 2021. https://covid19.go.id/p/regulasi/instruksi-menteri-dalam-negeri-nomor-42-tahun-2021 (accessed Nov. 20, 2021).

M. S. Hadna, P. I. Santosa, and W. W. Winarno, “Studi Literatur Tentang Perbandingan Metode Untuk Proses Analisis Sentimen Di Twitter,” Semin. Nas. Teknol. Inf. dan Komun., vol. 2016, no. Sentika, pp. 57–64, 2016, [Online]. Available: https://fti.uajy.ac.id/sentika/publikasi/makalah/2016/95.pdf.

P. Arsi, R. Wahyudi, and R. Waluyo, “Optimasi SVM Berbasis PSO pada Analisis Sentimen Wacana Pindah Ibu Kota Indonesia,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 231–237, 2021, doi: 10.29207/resti.v5i2.2698.

Nugraha, F. A., Harai, N. H., & Habibi, R. (2020). Analisis Sentimen Terhadap Pembatasan Sosial Menggunakan Deep Learning (R. M. Awangga (ed.)). Kreatif Industri Nusantara

C. C. Aggarwal, Aggarwal - Mining Text Data. 2012.

T. R. Nichols, P. M. Wisner, G. Cripe, and L. Gulabchand, “Putting the kappa statistic to use,” Qual. Assur. J., vol. 13, no. 3–4, pp. 57–61, 2010, doi: 10.1002/qaj.481.

J. A. Zulqornain and P. P. Adikara, “Analisis Sentimen Tanggapan Masyarakat Aplikasi Tiktok Menggunakan Metode Naïve Bayes dan Categorial Propotional Difference ( CPD ),” vol. 5, no. 7, pp. 2886–2890, 2021.

A. Saputra, D. Rosiyadi, W. Gata, and S. Husain, “Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization,” http//jurnal.iaii.or.id J., vol. 3, no. 3, pp. 377–382, 2019.

W. A. Luqyana, I. Cholissodin, and R. S. Perdana, “Analisis Sentimen Cyberbullying Pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 11, pp. 4704–4713, 2018.

H. Tuhuteru, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine,” Inf. Syst. Dev., vol. 5, no. 2, pp. 7–13, 2020.

R. D. Himawan and Eliyani, “Perbandingan Akurasi Analisis Sentimen Tweet terhadap Pemerintah Provinsi DKI Jakarta di Masa,” J. Edukasi dan Penelit. Inform., vol. 7, no. 1, pp. 58–63, 2021, [Online]. Available: https://jurnal.untan.ac.id/.

D. Wahyudi, T. Susyanto, and D. Nugroho, “Implementasi Dan Analisis Algoritma Stemming Nazief & Adriani Dan Porter Pada Dokumen Berbahasa Indonesia,” J. Ilm. SINUS, vol. 15, no. 2, pp. 49–56, 2017, doi: 10.30646/sinus.v15i2.305.

P. P. A. Arsya Monica Pravina, Imam Cholissodin, “Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2789–2797, 2019, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4793.

A. Taufik, “Optimasi Particle Swarm Optimization Sebagai Seleksi Fitur Pada Analisis Sentimen Review Hotel Berbahasa Indonesia Menggunakan Algoritma Naïve Bayes,” J. Tek. Komput., vol. III, no. 2, pp. 40–47, 2017.

D. A. Pisner and D. M. Schnyer, Support vector machine. Elsevier Inc., 2019.

K. Srinivasa, G. Siddesh, and H. Srinidi, Network Data Analytics: A Hands-On Approach for Application Development. 2018.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.